Millones de trabajadores están entrenando modelos de inteligencia artificial por un puñado de centavos
Millones de trabajadores están capacitando modelos de inteligencia artificial por unos pocos centavos de dólar
En 2016, Oskarina Fuentes recibió un consejo de un amigo que parecía demasiado bueno para ser verdad. Su vida en Venezuela se había convertido en una lucha: la inflación había llegado al 800 por ciento bajo el presidente Nicolás Maduro, y Fuentes, de 26 años, no tenía un trabajo estable y equilibraba múltiples trabajos secundarios para sobrevivir.
Su amigo le habló de Appen, una empresa australiana de servicios de datos que buscaba trabajadores en línea para etiquetar datos de entrenamiento para algoritmos de inteligencia artificial. La mayoría de los usuarios de Internet ha realizado alguna forma de etiquetado de datos: identificar imágenes de semáforos y autobuses para los captchas en línea. Pero los algoritmos que impulsan nuevos bots que pueden pasar exámenes legales, crear imágenes fantásticas en segundos o eliminar contenido dañino en las redes sociales se entrenan con conjuntos de datos, imágenes, videos y texto etiquetados por trabajadores de la economía gig en algunos de los mercados laborales más baratos del mundo.
Los clientes de Appen incluyen a Amazon, Facebook, Google y Microsoft, y los 1 millón de colaboradores de la empresa son solo una parte de una vasta industria oculta. Según la empresa de consultoría Grand View Research, el mercado global de recolección y etiquetado de datos se valoró en $2.22 mil millones en 2022 y se espera que crezca a $17.1 mil millones en 2030. A medida que Venezuela caía en una catástrofe económica, muchos venezolanos con educación universitaria, como Fuentes y sus amigos, se unieron a plataformas de colaboración en línea como Appen.
Por un tiempo, fue una tabla de salvación: Appen significaba que Fuentes podía trabajar desde casa a cualquier hora del día. Pero luego comenzaron los apagones: el suministro de energía se cortaba durante días enteros. En la oscuridad, Fuentes no podía llevar a cabo las tareas. “No pude soportarlo más”, dice ella, hablando en español. “En Venezuela, no se vive, se sobrevive”. Fuentes y su familia emigraron a Colombia. Hoy comparte un apartamento con su madre, su abuela, sus tíos y su perro en la región de Antioquia.
Appen sigue siendo su única fuente de ingresos. El pago varía de 2.2 centavos a 50 centavos por tarea, dice Fuentes. Por lo general, una hora y media de trabajo le aportarán $1. Cuando hay suficientes tareas para trabajar una semana completa, ella gana aproximadamente $280 al mes, casi alcanzando el salario mínimo de Colombia de $285. Pero es raro completar una semana con tareas, dice ella. Los días sin tareas, que se han vuelto cada vez más comunes, no aportarán más de $1 a $2. Fuentes trabaja en su computadora portátil desde la cama, pegada a su computadora durante más de 18 horas al día para tener la primera oportunidad de elegir las tareas que puedan llegar en cualquier momento. Dado que los clientes de Appen son internacionales, los días comienzan cuando se publican las tareas, lo que puede significar comenzar a las 2 a.m.
- Un motor de búsqueda verde ve peligro y oportunidad en la revolució...
- Singapur y Estados Unidos se sincronizan en la gobernanza de la IA ...
- ¿Qué son las personificaciones de inteligencia artificial de Meta y...
Es un patrón que se repite en todo el mundo en desarrollo. Lugares como África oriental, Venezuela, India, Filipinas e incluso campamentos de refugiados en Kenia y en los campamentos de Shatila en Líbano ofrecen mano de obra barata para etiquetar. Los trabajadores realizan microtareas por unos pocos centavos cada una en plataformas como Appen, Clickworker y Scale AI, o firman contratos a corto plazo en centros de datos físicos como la oficina de Sama en Nairobi, Kenia, que fue objeto de una investigación de Time sobre la explotación de moderadores de contenido. El auge de la IA en estos lugares no es una coincidencia, dice Florian Schmidt, autor de Digital Labour Markets in the Platform Economy. “La industria puede moverse de manera flexible a donde los salarios sean más bajos”, dice, y puede hacerlo mucho más rápido que, por ejemplo, los fabricantes textiles.
Algunos expertos consideran que plataformas como Appen son una nueva forma de colonialismo de datos, según Saiph Savage, directora del Civic AI Lab de la Universidad Northeastern. “Los trabajadores en América Latina están etiquetando imágenes, y esas imágenes etiquetadas se utilizarán en la inteligencia artificial que se utilizará en el Norte Global”, dice ella. “Si bien esto puede estar creando nuevos tipos de empleos, no está del todo claro qué tan satisfactorios son estos empleos para los trabajadores en la región”. Debido a la perpetua evolución de la inteligencia artificial, los trabajadores están en una carrera constante contra la tecnología, dice Schmidt. “Un grupo de trabajadores está capacitado para colocar cajas delimitadoras alrededor de los automóviles de manera tridimensional y precisa, de repente se trata de determinar si un gran modelo de lenguaje ha dado una respuesta adecuada”, dice, refiriéndose al cambio de la industria de los autos sin conductor a los chatbots. Por lo tanto, las habilidades especializadas en etiquetado tienen un “ciclo de vida muy corto”.
“Desde la perspectiva de los clientes, la invisibilidad de los trabajadores en tareas micro no es un fallo, sino una característica”, dice Schmidt. Económicamente, debido a que las tareas son tan pequeñas, es más factible tratar con contratistas como una multitud en lugar de individuos. Esto crea una industria de trabajo irregular sin resolución presencial de disputas si, por ejemplo, un cliente considera que sus respuestas son inexactas o se les retiene el salario.
Los trabajadores con los que ENBLE habló dicen que no son las tarifas bajas, sino la forma en que las plataformas les pagan lo que es el problema clave. “No me gusta la incertidumbre de no saber cuándo va a salir una tarea, ya que nos obliga a estar cerca de la computadora todo el día”, dice Fuentes, quien le gustaría ver una compensación adicional por el tiempo que pasa esperando frente a su pantalla. Mutmain, de 18 años, de Pakistán, quien pidió no usar su apellido, hace eco de esto. Él dice que se unió a Appen a los 15 años, usando la identificación de un familiar, y trabaja de 8 am a 6 pm, y otro turno de 2 am a 6 am. “Necesito estar en estas plataformas todo el tiempo para que no pierda trabajo”, dice, pero le cuesta ganar más de $50 al mes.
Él solo es compensado por el tiempo que pasa ingresando detalles en la plataforma, lo cual subestima su trabajo, dice él. Por ejemplo, una tarea relacionada con las redes sociales puede pagar uno o dos dólares por hora, pero la tarifa no tiene en cuenta el tiempo adicional necesario para investigar en línea, dice. “Uno necesita trabajar cinco o seis horas para completar lo que efectivamente equivale a una hora de trabajo en tiempo real, todo para ganar $2”, dice. “Desde mi punto de vista, es esclavitud digital”. Un portavoz de Appen dijo que la empresa está trabajando para reducir el tiempo dedicado a la búsqueda de tareas, pero la plataforma debe encontrar un “equilibrio cuidadoso” entre ofrecer tareas rápidamente completadas a los clientes y proporcionar a los colaboradores un flujo de trabajo constante.
Fuentes ahora está en un grupo de chat de Telegram con otros trabajadores venezolanos de Appen, donde comparten consejos y ventilan quejas: su versión de un canal Slack o charla en la oficina. Después de siete años completando tareas en Appen, Fuentes dice que ella y sus colegas les gustaría ser considerados empleados de las compañías tecnológicas para las que entrenan algoritmos. Pero en la carrera hacia el fondo de la etiquetación de IA, los contratos a largo plazo con beneficios no están en el horizonte. Mientras tanto, le gustaría ver la sindicalización de la industria. “Me gustaría que nos consideren no solo como herramientas de trabajo que pueden ser desechadas cuando ya no somos útiles, sino como seres humanos que los ayudamos en su avance tecnológico”, dice.
Este artículo aparece en la edición de noviembre/diciembre de 2023 de ENBLE UK.
